使用图像关键点提取对象特征的想法

Question

如果您帮助我使用关键点创建简单对象的特征向量，我将不胜感激。目前，我使用的是ETH-80数据集，对象几乎是蓝色背景，图片来自不同的视图。像这样：

创建特征向量后，我想用这个向量训练神经网络，并使用该神经网络识别对象的输入图像。我不想让它变得复杂，输入图像将像火车图像一样简单。 之前我问过类似的questions，有人建议使用20x20邻域关键点的平均值。我尝试过，看起来它不适用于ETH-80图像，因为图像的视图不同。这就是我问另一个问题的原因。

Answer 1

SURF或SIFT。寻找兴趣点探测器。 MATLAB SIFT实施是免费提供的。

更新： Object Recognition from Local Scale-Invariant Features

Answer 2

SIFT和SURF功能由两部分组成，即探测器和描述符。检测器在一些n维空间中找到该点（SIFT为4D），该描述符用于稳健地描述所述点的周围环境。后者越来越多地用于图像分类和识别，通常称为“词袋”或“视觉词”方法。在最简单的形式中，可以从所有图像中收集来自所有描述符的所有数据并将它们聚类，例如使用k-means。然后，每个原始图像都具有对许多聚类有贡献的描述符。这些聚类的质心，即视觉词，可以用作图像的新描述符。 VLfeat网站包含一个很好的这种方法演示，对caltech 101数据集进行分类：

http://www.vlfeat.org/applications/apps.html#apps.caltech-101